Operazioni di Machine Learning (MLOps) end-to-end con Azure Machine Learning

  • Percorso di apprendimento
  • 6 Moduli
Intermedio
Data scientist
Azure Machine Learning
GitHub

Le operazioni di Machine Learning (MLOps) applicano i principi di DevOps ai progetti di Machine Learning. In questo percorso di apprendimento si imparerà a implementare concetti chiave come il controllo del codice sorgente, l'automazione e le procedure CI/CD per creare una soluzione MLOps end-to-end.

Prerequisiti

  • Esperienza di programmazione con Python o R
  • Esperienza nello sviluppo e nel training di modelli di Machine Learning
  • Familiarità con i concetti di base di Azure Machine Learning

Moduli in questo percorso di apprendimento

Usare un processo di Azure Machine Learning per l'automazione

Informazioni su come portare il modello di Machine Learning dalla sperimentazione alla produzione usando i processi di Azure Machine Learning.

Attivare i processi di Azure Machine Learning con GitHub Actions

Informazioni su come automatizzare i flussi di lavoro di Machine Learning usando GitHub Actions.

Attivare GitHub Actions con lo sviluppo basato su funzionalità

Informazioni su come proteggere il ramo principale e su come attivare le attività nel flusso di lavoro di Machine Learning in base alle modifiche apportate al codice.

Utilizzare linting e testing unità in GitHub Actions

Informazioni su come automatizzare i controlli del codice ogni volta che si aggiorna il codice per i carichi di lavoro di Machine Learning.

Usare gli ambienti in GitHub Actions

Informazioni su come eseguire il training, testare e distribuire un modello di Machine Learning usando gli ambienti come parte della strategia MLOps (Machine Learning Operations).

Distribuire un modello con GitHub Actions

Informazioni su come automatizzare e testare la distribuzione del modello con GitHub Actions e l'interfaccia della riga di comando di Azure Machine Learning (v2).